不同重现期降水对粤东北暴雨灾害风险的影响

2022-03-10钟东良李思萍曾钦文刘蓉段海花

广东气象 2022年1期

钟东良，李思萍，曾钦文，刘蓉，段海花

（1.河源市气象局，广东河源 517000；2.东源县气象局，广东东源 517500）

我国作为受气象灾害影响较大的国家，近几年，暴雨频次有显著的增加趋势，极端强降水区域性特征也更加明显，南方地区更成为强降水高发区［1］。2011年IPCC组织发布特别报告《Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation》（《管理风险的极端事件和灾难提前适应气候变化》）［2］，报告指出构建当地极端气候灾害风险框架的必要性和紧迫性。

粤东北地区主要由河源、梅州两市组成，位于广东省的东北部。2019年6月9到14日广东出现持续性极端强降水过程，该次过程导致当地受灾非常严重，河源、梅州市总计受灾人口33.89万人，直接经济损失25.26亿元，因此建立当地暴雨灾害风险评估体系尤为迫切。目前我国学者对于重现期和暴雨灾害区划颇有研究，陈海泉等［3］曾用皮尔逊Ⅲ型分布法推算出梅州年最大日雨量的重现期；张正涛等［4］曾讨论过在不同重现期背景下淮河流域的暴雨灾害风险变化规律。由于目前社会对于极端暴雨发生的概率和趋势预测研究需求日益迫切，但粤东北地区基于不同重现期对暴雨灾害区划影响的研究相对空白，因此对当地不同重现期降水量的暴雨灾害风险区划影响趋势的讨论很有必要。本研究以Gumbel-Ⅰ型分布法估算粤东北10、50年一遇的日最大降水量，用ArcGis空间分析技术和数理分析等方法，以不同重现期日最大降水量为致灾因子对粤东北地区暴雨灾害风险区划影响进行趋势评估，为当地可能出现几年一遇极端强降水地区提供防灾减灾、防汛抗涝的科学研判。

1 资料来源与研究方法

1.1 资料来源

气象资料来源于1966—2019年河源、梅州地区12个国家基本气象站逐日降水观测资料和2010—2020年当地近200个自动气象站逐日降水量；地理信息数据源于当地水利、自然资源和统计部门提供的县区行政边界、地形高程、河网密度、各地人口、植被覆盖率、GDP密度、土地利用类型等资料。

1.2 研究方法

在分析时间序列较长、样本较多的情况下，Gumbel-Ⅰ型分布法［5-6］具有更完善的结果检验方法和所得结果拟合度较吻合的优点。本研究利用Gumbel-Ⅰ型分布法和1966—2019年河源、梅州地区12个国家基本气象站逐日降水观测资料估算多年一遇日最大降水量，并通过概率对比和拟合对比的方式进行检验。由于当地自动气象站数据统计时间较短，选择用2010—2020年梅州、河源地区近200个自动气象站逐日降水量和Gumbel-Ⅰ型分布法估算10、50年一遇的重现期日最大降水量，以缩小拟合结果的不确定性［7-9］。

利用GIS技术［10-12］，以估算所得10、50年一遇的日最大降水量作为致灾因子分析粤东北地区致灾危险性风险；利用地理信息数据分析当地环境敏感性和承载体易损性风险；使用自然间断点分级法将灾害风险分为3个风险等级区（一般、高、极高），各分析指标的权重通过层次分析法得出；最后对不同重现期下的暴雨灾害风险区划趋势结果加以评述。

2 不同重现期日降水量最大值的检验

降水重现期为暴雨发生频率的倒数，通常指大于某暴雨强度的降雨出现一次的平均间隔时间，以某年一遇表示。本研究采用粤东北12个国家基本气象站1966—2019年观测所得的日降水量，用Gumbel-Ⅰ型分布法进行拟合计算，其中估算特定重现期下的极值计算公式为

其中，a、β分别为尺度和位置的参数，其计算方式为a＝1.282 5/σx，β＝σx-0.577 2/a；rx、σx分别为观测所得N个实际值的平均值和均方差；ry、σy分别为Gumbel-Ⅰ型分布中不同实际值的均值和均方差；t为特定重现时间。由于所选数据样本为54年时间序列，根据Gumbel-Ⅰ型分布公式下的50年一遇标准，对历史观测资料进行统计（表略）可知，50年发生次数应该在1.1次左右，根据重现期和实际数据的对比各地达到50年一遇标准降水量次数均在1到3次之间。12个站点出现接近或者超过50年一遇标准降水量概率为2.9%，所得重现期计算结果与50年一遇理论出现概率2%相近。利用观测所得54年时间序列日最大降雨量实际值与估算所得50、100年一遇的日雨量最大值对比（图1），发现全部站点历史最大降雨量均超过50年一遇的估算值，其中龙川、平远站历史最大降水量均远超100年一遇估算值，其他站点历史最大降水量与100年一遇估算值相近。从该次检验结果看出Gumbel-Ⅰ型分布基本满足检验标准，适合用其估算值进行区划影响分析。

图1 历史最大日降水量与不同重现期最大日雨量对比

3 基于GIS的粤东北不同重现期暴雨灾害风险评估

3.1 不同因素的加权综合和层次分析

粤东北不同重现期暴雨灾害风险区划通过加权综合评估致灾因子危险性、孕灾环境敏感性、承载体易损性3个指标得出，其中孕灾环境敏感性和承载体易损性的子指标权重分配如图2所示。

图2 敏感性和易损性风险子指标及其权重分配

各分析指标的权重由层次分析法［13-14］所得，暴雨灾害风险评估指数公式为

其中，VH、VE、VS分别代表致灾因子危险性、孕灾环境敏感性、承载体易损性3个指标；WH、WE、WS分别代表各指标的权重。层次分析法（AHP）是将与决策有相关的元素分解成多种层次，在此基础之上进行定量分析的决策方法。随重现期变化，占主导位置的降水强度逐渐增加，主要考虑日雨量大，短时间的强降水会给当地排洪造成更大的压力，从而更容易形成灾害。因此本研究对各指标权重分配结果如表1所示。

表1 风险评价一级指标及权重分配

3.2 不同重现期降水量的致灾危险性分析

以粤东北地区2010—2020年近200个自动气象站观测资料估算所得的10、50年一遇日最大降水量作为致灾因子，分析致灾危险性趋势。采用反距离插值法，得出粤东北不同重现期致灾危险性区划（图3），50年一遇与10年一遇风险区划相比，大部分地区高到极高风险区范围缩小，一般风险区范围加大，说明大部分地区发生极端强降水所致危险区域范围缩小。随着重现期逐渐加大，极高风险等级依旧维持的地区有源城区、东源西侧、连平与和平北部、龙川东部、梅县东部、丰顺西南角、平远和蕉岭的交界地区，其中兴宁、五华、梅江区3个县区在不同重现期下风险依然呈现较低等级。从高到极高风险区分布特征可见，风险等级受地形因素影响较大，其中大多数较高风险区处于高山地形，海拔较高对锋面产生阻挡和抬升作用，易成为降水主要落区。

图3 粤东北不同重现期致灾危险性区划

3.3 孕灾环境敏感性和承载体易损性评估

对粤东北地区孕灾环境敏感性，本研究主要对当地海拔高度、地形标准差、河网密度、植被覆盖率这几个指标加权综合分析。对各子指标规范化处理后，得到粤东北孕灾环境敏感性区划（图4a）。可以看出，粤东北孕灾环境敏感性风险区划中风险等级较高的分布地区最为典型的有万绿湖、灯塔盆地、兴宁盆地周边，此类地区多为靠近江河湖泊、河网密度较大、地势较为低洼、平坦地区，同时植被覆盖程度也相对较小，非常有利于极端暴雨所致的洪涝灾害发生。从粤东北地区孕灾环境敏感性分析结果可见各县区均有不同面积的高到极高风险区分布，总体风险等级较高。

本研究通过当地人口密度、GDP密度和耕地比重资料对粤东北地区承载体易损性进行综合分析，其中各子指标与当地易损性风险等级呈正比。通过反距离插值和重分类处理得到粤东北地区承载体易损性区划（图4b），从图4b看出，粤东北地区承载体易损性总体风险等级较低，除源城区、梅江区、兴宁西南部整体风险最高外，其他各县多以县城周边范围的风险等级较高，说明经济越发达、人口越集中、耕地占比越高地区对应当地的孕灾体易损性风险越大。

图4 粤东北孕灾环境敏感性（a）和承载体易损性（b）区划

3.4 不同重现期降水量下的粤东北暴雨灾害风险区划

结合粤东北地区暴雨灾害风险评估指数公式和层次分析法所得各指标权重结果。本研究对粤东北地区致灾危险性、孕灾环境敏感性和承载体易损性综合加权分析，得到粤东北不同重现期下暴雨灾害风险区划（图5）。

图5 不同重现期降水量对粤东北暴雨灾害风险区划影响

从重现期10年一遇到50年一遇暴雨灾害风险区划的变化可见，一般风险区面积从占总面积的56.2%缩小到52.6%，高风险区面积占比从13.05%增加到14.88%，极高风险区面积占比从30.73%增加到32.54%，结果如表2所示。可以看出，随重现期加大，往极高风险等级趋势转变较为明显的地区有和平和连平中北部，其他大部分地区不同重现期下较高风险区分布相似，其中东源西侧极高风险区有缩小趋势，兴宁、五华、梅江区3个县区风险依旧维持较小等级。此次分析结果基本能够反映该地区不同重现期下暴雨带来灾害风险分布的影响趋势，随重现期加大，一般风险区面积占比呈缩小趋势，高到极高风险区面积占比呈加大趋势。